人工神經(jīng)元芯片獲新突破 誰(shuí)將主導“類(lèi)腦計算”的未來(lái)趨勢？

　　脈沖神經(jīng)網(wǎng)絡(luò )芯片商業(yè)化還需要好幾年

　　條條大路通羅馬。不同技術(shù)路線(xiàn)的存在，也自有其生存的土壤。

　　人工神經(jīng)網(wǎng)絡(luò )是從算法向硬件發(fā)展的。吳甘沙告訴記者，傳統的算法在通用芯片(CPU和GPU)上效率不高，于是出現了特定的算法加速器，來(lái)加速包括卷積神經(jīng)網(wǎng)絡(luò )、遞歸神經(jīng)網(wǎng)絡(luò )在內的各種神經(jīng)網(wǎng)絡(luò )算法。比如Teradeep，它來(lái)源于Yann LeCun(上文提到的深度學(xué)習大神)的工作NeuFlow，已經(jīng)實(shí)現了商業(yè)化。

　　中國科學(xué)院計算技術(shù)研究所寒武紀系列芯片在知識產(chǎn)權布局上非常獨到，也開(kāi)始了商業(yè)化的探索。谷歌的TPU(Tensor Processing Unit)也是一種專(zhuān)用的加速器芯片，跟其深度學(xué)習軟件Tensor Flow匹配。就中短期而言，這類(lèi)芯片有很好的商業(yè)化前景。

　　對于神經(jīng)擬態(tài)芯片，常常見(jiàn)諸媒體的是架構和處理器層面的進(jìn)展。吳甘沙提出，IBM的TrueNorth芯片和高通的Zeroth芯片，兩者都基于脈沖神經(jīng)網(wǎng)絡(luò )。TrueNorth發(fā)源于DARPA的SyNAPSE，展示了在100mW功耗下模擬復雜的遞歸神經(jīng)網(wǎng)絡(luò )的能力，體現了這一架構的獨特之處(但也有人指出功耗優(yōu)勢來(lái)自較低的主頻)。Zeroth的商業(yè)試用并不成功，目前已轉向人工神經(jīng)網(wǎng)絡(luò )加速器。

　　英特爾也在做脈沖神經(jīng)網(wǎng)絡(luò )的芯片，估計商業(yè)化還需要好幾年。即便如此，各家公司還是投入重兵，因為它所代表的新型處理范式——計算與記憶的一體化、復雜互聯(lián)、遞歸、時(shí)空編碼、異步、低精度、隨機性、高容錯等特征，有很高的研究?jì)r(jià)值。例如，生物神經(jīng)元有很多突觸連接，這在硅芯片上很難實(shí)現。另外，傳統的CPU和GPU都是同步的，實(shí)現神經(jīng)擬態(tài)需要異步電路。

　　“所以說(shuō)，另一種思路是在器件方面得到突破，比如DARPA UPSIDE基于模擬芯片，有些類(lèi)腦芯片基于憶阻器(memristor)，以及IBM剛剛宣布的人工神經(jīng)元，所有這些都比傳統的晶體管更容易實(shí)現類(lèi)腦計算。”吳甘沙強調。

　　“IBM的神經(jīng)元新器件對脈沖神經(jīng)網(wǎng)絡(luò )的硬件實(shí)現有很大幫助，但這類(lèi)模型在算法方面尚有很長(cháng)的路要走。”陳天石表示，“未來(lái)也許會(huì )有突破，但近年不樂(lè )觀(guān)。”

　　實(shí)際上，對于人工神經(jīng)元芯片的問(wèn)世，IBM自身也是非常清醒的。他們在指出“這些相變神經(jīng)元是我們到目前為止所創(chuàng )造出的行為最接近生物神經(jīng)元的人工器件”的同時(shí)，也強調將面臨“更難的部分——編寫(xiě)一些能夠真正利用該芯片的神經(jīng)形態(tài)的軟件”。

　　但正如IBM所說(shuō)：“我們沒(méi)有任何理由止步于此。”